Python TensorFlow循环神经网络RNN-LSTM神经网络预测股票市场价格时间序列和MSE评估准确性...
全文链接:http://tecdat.cn/?p=26562
该项目包括:
自 2000 年 1 月以来的股票价格数据。我们使用的是 Microsoft 股票。
将时间序列数据转换为分类问题。
使用 TensorFlow 的 LSTM 模型
由 MSE 衡量的预测准确性
相关视频
GPU 设置(如果可用)
gpus = tf.config.experimental.li
读取数据集
有几种方法可以获取股市数据。以下数据集是使用 R BatchGetSymbols 生成的。
#加载数据集
# ref.date是数组的第一列
datang = read_csv('stopriceo.csv', header=0)
pd.pivot_table(datong)
我们的股票时间序列
我们为这个项目选择了微软(股票代码 MSFT)。
plt.rrms\['fgre.dpi'\] = 300plt.plot(dfte\['MSFT'\])
时间序列显然不是平稳的,这是大多数预测模型所假设的属性。我们可以对时间序列应用变换,直到它达到平稳状态。Dickey-Fuller 检验使我们能够确定我们的时间序列是否具有季节性。
在这里,我们将应用对数转换来解决股票市场的指数行为。
其他有助于预测模型的转换:
移动平均线
差分化
df1 = datt\['MSFT'\]# 我们对数据集进行了对数转换
df1 = np.log(df1)
# 替代方案:我们可以对时间序列进行差分,从而去除季节性和平均值的变化。
# 创建一个差分序列#dfdiff = diffe(df1,1)
预处理
在这里,我们对时间序列数据应用标准预处理。
在时间序列中,我们没有标签,但我们有时间序列的未来值,因此输出可以是 x(t),给定 x(t-1) 作为输入。这是将数据集构建为监督问题的一种实用(且直观)的方法。
scaer = ixSer(fatue_ange = (0,1))
scer.i_rrm(np.array(df1).rehape(-1,1))
LSTM 模型
我们在这里实现了一个堆叠的 LSTM 模型。
LSTM 网络是一种递归神经网络,能够学习序列预测问题中的序列依赖性。LSTM 模型主要用于语音识别、自然语言处理的上下文中。最近,它们也被应用于时间序列数据的分析。
from tensorflow.keras.models import Sequential model.add(LSTM(50, retsueces = True
#LSTM
model.add(Dropout(0.1))
history
plt.plot(history.history
点击标题查阅往期内容
Python中利用长短期记忆模型LSTM进行时间序列预测分析 - 预测电力负荷数据
左右滑动查看更多
01
02
03
04
表现
import math
from sklearn.metrics import mean\_squared\_error
plt.rcParams\['figure.dpi'\] = 300
plt.rcParams\['savefig.dpi'\] = 300
#移位预测
lokback = ie_step
trinPrectPot = numpy.empty_like(df1)
traireditPlot\[:,:\] = np.nanin_y = scaler.nesetsfrm(df1)
plt.plot
plt.plot(iv_y)
未来 30 天的预测
我们现在可以递归地应用该模型,通过估计第二天的 (t+1) 价格,然后再次将其作为输入来推断 t+2 天的价格,依此类推。这个预测当然会有更大的误差,因为每个预测的日子都会带来很大的不确定性。然而,这个预测确实会告诉我们模型是否从过去的数据中学到了任何东西。
# 预测未来30天的情况
len(tesdata) # 1211
# 我认为在test_data中,最后一天是5月22日,例如
# 对于5月23日,我需要100个前一天的数据 x\_input = test\_data\[(len
while(i<ftue_teps):if(len(tep\_put)>ie\_sep):x_input = np.array(tepinut\[1:\])x\_input = x\_input.reshap
plt.plot(dy\_ew, scaler.inverse\_transf
plt.plot(df3\[1000:\])
点击文末“阅读原文”
获取全文完整资料。
本文选自《Python TensorFlow循环神经网络RNN-LSTM神经网络预测股票市场价格时间序列和MSE评估准确性》。
点击标题查阅往期内容
数据分享|PYTHON用KERAS的LSTM神经网络进行时间序列预测天然气价格例子
Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析
Matlab用深度学习长短期记忆(LSTM)神经网络对文本数据进行分类
RNN循环神经网络 、LSTM长短期记忆网络实现时间序列长期利率预测
结合新冠疫情COVID-19股票价格预测:ARIMA,KNN和神经网络时间序列分析
深度学习:Keras使用神经网络进行简单文本分类分析新闻组数据
用PyTorch机器学习神经网络分类预测银行客户流失模型
PYTHON用LSTM长短期记忆神经网络的参数优化方法预测时间序列洗发水销售数据
Python用Keras神经网络序列模型回归拟合预测、准确度检查和结果可视化
Python用LSTM长短期记忆神经网络对不稳定降雨量时间序列进行预测分析
R语言中的神经网络预测时间序列:多层感知器(MLP)和极限学习机(ELM)数据分析报告
R语言深度学习:用keras神经网络回归模型预测时间序列数据
Matlab用深度学习长短期记忆(LSTM)神经网络对文本数据进行分类
R语言KERAS深度学习CNN卷积神经网络分类识别手写数字图像数据(MNIST)
MATLAB中用BP神经网络预测人体脂肪百分比数据
Python中用PyTorch机器学习神经网络分类预测银行客户流失模型
R语言实现CNN(卷积神经网络)模型进行回归数据分析
SAS使用鸢尾花(iris)数据集训练人工神经网络(ANN)模型
【视频】R语言实现CNN(卷积神经网络)模型进行回归数据分析
Python使用神经网络进行简单文本分类
R语言用神经网络改进Nelson-Siegel模型拟合收益率曲线分析
R语言基于递归神经网络RNN的温度时间序列预测
R语言神经网络模型预测车辆数量时间序列
R语言中的BP神经网络模型分析学生成绩
matlab使用长短期记忆(LSTM)神经网络对序列数据进行分类
R语言实现拟合神经网络预测和结果可视化
用R语言实现神经网络预测股票实例
使用PYTHON中KERAS的LSTM递归神经网络进行时间序列预测
python用于NLP的seq2seq模型实例:用Keras实现神经网络机器翻译
用于NLP的Python:使用Keras的多标签文本LSTM神经网络分类
Python TensorFlow循环神经网络RNN-LSTM神经网络预测股票市场价格时间序列和MSE评估准确性...相关推荐
- Python TensorFlow循环神经网络RNN-LSTM神经网络预测股票市场价格时间序列和MSE评估准确性
最近我们被客户要求撰写关于预测股票的研究报告,包括一些图形和统计输出. 该项目包括: 自 2000 年 1 月以来的股票价格数据.我们使用的是 Microsoft 股票. 将时间序列数据转换为分类问题 ...
- RNN循环神经网络 、LSTM长短期记忆网络实现时间序列长期利率预测
全文链接:http://tecdat.cn/?p=25133 2017 年年中,R 推出了 Keras 包 _,_这是一个在 Tensorflow 之上运行的综合库,具有 CPU 和 GPU 功能(点 ...
- tensorflow应用:双向LSTM神经网络手写数字识别
tensorflow应用:双向LSTM神经网络手写数字识别 思路 Python程序1.建模训练保存 Tensorboard检查计算图及训练结果 打开训练好的模型进行预测 思路 将28X28的图片看成2 ...
- 数据代码分享|PYTHON用NLP自然语言处理LSTM神经网络TWITTER推特灾难文本数据、词云可视化...
全文下载链接:http://tecdat.cn/?p=28877 作者:Yunfan Zhang Twitter是一家美国社交网络及微博客服务的网站,致力于服务公众对话.迄今为止,Twitter的日活 ...
- 递归神经网络RNN——LSTM
递归神经网络RNN--LSTM 1.LSTM的产生原因及优点 2.LSTM网络结构 3.LSTM工作机制 4.LSTM Attention 机制 关于LSTM模型,看懂这篇文章就OK了,不用再看别的了 ...
- 深度学习~循环神经网络RNN, LSTM
目录 1. 循环神经网络RNN 1.1 RNN出现背景 1.2 RNN概念 2. LSTM 2.1 LSTM出现背景 2.2 LSTM结构 参考 1. 循环神经网络RNN 1.1 RNN出现背景 pr ...
- 深度学习笔记——循环神经网络RNN/LSTM
原文来自知乎专栏NLP进阶之路,作者韦伟. 以下文章是摘录了原文部分内容的学习笔记,侵删. 循环神经网络(Rerrent Neural Network) RNN是神经网络的一种,RNN对具有序列特性的 ...
- python应用(3)svm模型预测股票涨跌
最近接了一个私活,指导学妹完成毕业设计.核心思想就是利用SVM模型来预测股票涨跌,并完成策略构建,自动化选择最优秀的股票进行资产配置. 在做这个项目的过程中,我体会到想成为一个合格的数据分析或者数据挖 ...
- 【Python金融量化 9- 100 】九、预测股票收益方法总结
背景介绍: 量化投资有两大主流门派:主动投资和被动投资.这也代表了不同的学术观点:市场到底是不是有效的? 如果市场是有效的,那我们一定能找到赚钱的办法,只要付诸足够的努力,再加上一点点小小的天赋,我们 ...
最新文章
- hdoj5792 【树状数组】【未完待续】
- TZOJ--3560: Ordered Fractions (枚举)
- matlab实现矩阵的旋转变换
- PyCharm----快捷键
- 递归问题(代码、分析、汇编)
- win7 path环境变量被覆盖了怎么恢复_系统小技巧:还原Windows10路径环境变量
- 常用的排序算法总结(一)
- c语言分治法求众数重数_分治法求众数 - osc_twlari2q的个人空间 - OSCHINA - 中文开源技术交流社区...
- Memcached与Redis的区别和选择
- ubuntu物理机上搭建Kubernetes集群 -- 准备
- 神经网络全连接层详解
- plsql 连接数据库无法解析指定的连接标识符
- android开发常用的组件,Android开发常用控件与属性
- macOS录制系统声音及麦克风的三种方法
- 西南农业大学成教学院有计算机专业吗,西南农业大学计算机应用与技巧网上功课及答案...
- 历代iPhone的分辨率
- 为Onda v820w CH (v1) DualOS平板刷写Remix单系统
- Thinking_2_酸甜苦辣咸的2016
- Tri Mode Ethernet MAC的配置及使用
- 造车 8 年,苹果“认输”了:放弃 L 5 级全自动驾驶,售价低于 70 万,将于 2026 年推出...
热门文章
- win7 64位编译32位应用程序和64位应用程序
- (附源码)基于PHP疫情防控隔离酒店管理系统-计算机毕设96326
- SSM新冠疫情服务系统 计算机专业毕设源码49727
- 如何在本地电脑连接服务器上的数据库
- AI随芯动:全志科技与OPEN AI LAB战略合作
- ARMv8-A编程指导之MMU(1)
- python中print后面要加括号吗_python里print要括号吗
- Canvas画图设置渐变色
- 【MySQL】Error Code: 1093. You can‘t specify target table ‘xxx‘ for update in FROM clause
- 01-----Ubuntu16.04安装Gnome桌面环境